[發明專利]一種目標檢測方法、裝置、電子設備和存儲介質在審
| 申請號： | 202110019670.8 | 申請日： | 2021-01-07 |
| 公開（公告）號： | CN112734827A | 公開（公告）日： | 2021-04-30 |
| 發明（設計）人： | 白宇 | 申請（專利權）人： | 京東鯤鵬(江蘇)科技有限公司 |
| 主分類號： | G06T7/62 | 分類號： | G06T7/62;G06T7/66;G06T7/73;G06N3/08 |
| 代理公司： | 北京品源專利代理有限公司 11332 | 代理人： | 孟金喆 |
| 地址： | 215500 江蘇*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 目標 檢測 方法 裝置 電子設備 存儲 介質 | ||
1.一種目標檢測方法，其特征在于，包括：
獲取針對應用場景采集的雷達點云數據；
將所述雷達點云數據輸入至預設卷積神經網絡模型中，其中，所述預設卷積神經網絡模型包括由預設大小的預設卷積核組成的預設卷積層，所述預設卷積核中參與當次卷積計算的有效卷積點是基于所述預設卷積核對應的參數權重值確定的，所述參數權重值是通過訓練所述預設卷積神經網絡模型獲得的；
根據所述預設卷積神經網絡模型的輸出，確定所述應用場景中的目標物體信息。
2.根據權利要求1所述的方法，其特征在于，基于所述預設卷積核對應的參數權重值確定所述預設卷積核中參與當次卷積計算的有效卷積點，包括：
針對所述預設卷積核中的每個卷積點，基于所述預設卷積核對應的參數權重值，確定當前卷積點對應的當前權重值；
根據所述當前權重值，確定所述當前卷積點對應的當前激活值；
根據所述當前激活值和預設閾值，檢測所述當前卷積點是否為參與當次卷積計算的有效卷積點。
3.根據權利要求2所述的方法，其特征在于，根據所述當前激活值和預設閾值，檢測所述當前卷積點是否為參與當次卷積計算的有效卷積點，包括：
若當次卷積為首次卷積，則根據所述當前激活值和預設閾值，檢測所述當前卷積點是否為參與當次卷積計算的有效卷積點；
若當次卷積為非首次卷積，則獲取上次卷積計算中所述當前卷積點對應的上一檢測結果，并根據所述當前激活值、預設閾值和所述上一檢測結果，檢測所述當前卷積點是否為參與當次卷積計算的有效卷積點。
4.根據權利要求3所述的方法，其特征在于，根據所述當前激活值和預設閾值，檢測所述當前卷積點是否為參與當次卷積計算的有效卷積點，包括：
若所述當前激活值大于或等于預設閾值，則確定所述當前卷積點為參與當次卷積計算的有效卷積點。
5.根據權利要求3所述的方法，其特征在于，根據所述當前激活值、預設閾值和所述上一檢測結果，檢測所述當前卷積點是否為參與當次卷積計算的有效卷積點，包括：
若所述當前激活值大于或等于預設閾值，且所述當前卷積點為參與上次卷積計算的有效卷積點，則確定所述當前卷積點為參與當次卷積計算的有效卷積點。
6.根據權利要求2所述的方法，其特征在于，基于如下公式，確定所述當前卷積點對應的當前激活值：
其中，Ri是所述預設卷積核中的第i個當前卷積點對應的當前激活值，Wi是所述預設卷積核中的第i個當前卷積點對應的當前權重值。
7.根據權利要求1所述的方法，其特征在于，所述預設卷積神經網絡模型具體包括：特征提取子模型和目標檢測子模型，所述特征提取子模型包括預設個數的所述預設卷積層；其中，
所述特征提取子模型用于：對輸入的所述雷達點云數據進行特征提取，獲得所述雷達點云數據對應的雷達特征圖，并將所述雷達特征圖輸入至所述目標檢測子模型中；
所述目標檢測子模型用于：根據輸入的所述雷達特征圖確定所述應用場景中的目標物體信息，并將所述目標物體信息進行輸出。
8.根據權利要求1-7任一所述的方法，其特征在于，根據所述預設卷積神經網絡模型的輸出，確定所述應用場景中的目標物體信息，包括：
根據所述預設卷積神經網絡模型的輸出，確定所述應用場景中的三維目標物體所在包圍體的長度、寬度、高度、旋轉角度和中心點位置。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于京東鯤鵬(江蘇)科技有限公司，未經京東鯤鵬(江蘇)科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110019670.8/1.html，轉載請聲明來源鉆瓜專利網。
